在中国北方平原的地下水中预测和化物,使用增强的堆叠集体学习
Wengeng Cao1, Zhuo Zhang2, Yu Fu3
1The Institute of Hydrogeology and Environmental Geology, Chinese Academy of Geosciences, Shijiazhuang 050061, China; Key Laboratory of Groundwater Sciences and Engineering, Ministry of Natural Resources, Shijiazhuang 050061, China.
Water research
|June 2, 2024
概括
地下水中的高和化物在全球范围内构成健康风险. 一个整体模型准确地绘制了这些污染物,揭示了重要的风险地区和人群,帮助有针对性的干预.
科学领域:
- 环境科学 环境科学
- 水文地质学 水文地质学
- 公共卫生 公共卫生
背景情况:
- 长期暴露于地下水中的地质 (As) 和化物 (F-) 是一个严重的全球健康问题.
- 许多地区的地下水质量评估有限,导致对有害的As和F-水平存在的不确定性.
研究的目的:
- 用先进的集体学习模型预测浅地下水中的和化物的空间分布.
- 为了确定由于浅地下水中的和化物污染造成的高健康风险的地区.
主要方法:
- 通过将极端梯度提升,随机森林和支持矢量机器作为基本学习器来集成,开发了一个增强的堆叠组合模型.
- 线性差异分析被用作meta-learner来融合基准模型的预测.
- 该模型经过训练和验证,使用了4,393个观察到的度数据集和40个环境因素.
主要成果:
- 集合模型准确地预测了地下水A和F-的不齐分布,其AUC值分别为0.836和0.853.
- 在研究区域的9.0%中发现了高As风险,在21.2%中发现了高F风险,在0.2%中显示了两者的高水平.
- 据估计,受影响的人口为7.61万的As,34.1万的F-和0.2万的共同污染.
结论:
- 这项研究成功地确定并绘制出在浅层地下水中容易受到和化物污染的区域.
- 沉积环境,人类活动,气候,水文地质和土壤特性被确定为关键影响因素.
- 这些发现为在地下水监测数据有限的地区的风险评估和管理策略提供了关键的见解.
